SemiMultiPose:一种半监督多动物姿态估计框架
计算机视觉与模式识别
2022-04-15 v1 机器学习
摘要
多动物姿态估计对于神经科学与神经行为学中的动物社会行为研究至关重要。已有先进方法被提出以支持多动物估计并取得最先进性能。然而,这些模型在训练中很少利用未标注数据,尽管现实世界应用中的未标注帧数量远超标注帧。为大量图像或视频手动添加密集标注成本高且劳动密集,尤其对于多个实例。鉴于这些不足,我们提出一种新颖的半监督架构用于多动物姿态估计,利用行为视频中未标注帧里普遍存在的丰富结构来增强训练,这对于稀疏标注问题至关重要。所得算法在三个动物实验上相比最先进基线提供更优的多动物姿态估计结果,并在稀疏标注数据情形下展现出更强的预测能力。
引用
@article{arxiv.2204.07072,
title = {SemiMultiPose: A Semi-supervised Multi-animal Pose Estimation Framework},
author = {Ari Blau and Christoph Gebhardt and Andres Bendesky and Liam Paninski and Anqi Wu},
journal= {arXiv preprint arXiv:2204.07072},
year = {2022}
}
备注
10 pages, 7 figures, preprint